Informatica e IA

Protosampling: Convergenza di Campionamento e Prototipazione tramite Generazione AI Visiva su Canvas

by

Protosampling: L’Integrazione Rivoluzionaria di Campionamento e Prototipazione con l’AI Visiva

La creatività, un processo in continua evoluzione, si basa su esplorazioni attraverso il campionamento e la prototipazione per costruire soluzioni innovative. Queste attività permettono di raccogliere conoscenze, contestualizzare il problema e trovare risposte. L’avvento dell’Intelligenza Artificiale Generativa (AI Generativa) consente ai professionisti di superare i limiti del campionamento di media esistenti, generando e remixando istantaneamente nuovi contenuti. Questo processo di convergenza è definito ‘protosampling’.

Il lavoro di ricerca arXiv:2601.05401v1 introduce il concetto di protosampling e lo concretizza attraverso ‘Atelier’, un sistema basato su canvas che sfrutta modelli di generazione di immagini e video. Atelier integra pensiero e creazione, offrendo uno spazio dove riferimenti e risorse generate coesistono. Fornisce inoltre flussi di lavoro tecnici specifici e permette di navigare l’emergenza creativa tramite visualizzazioni interattive, ricerche intelligenti e collezioni.

Protosampling ridefinisce il lavoro creativo, enfatizzando il processo e l’interconnessione di idee apparentemente distanti nella creazione di una soluzione finale. Il sistema Atelier rappresenta un passo significativo nell’integrazione dell’AI nel processo creativo, offrendo strumenti avanzati per la visualizzazione e la prototipazione rapida.

Paper: ArXiv.org

Ensemble di radiomica e ConvNeXt per la diagnosi del cancro al seno

by

Diagnosi del cancro al seno: l’approccio combinato di radiomica e deep learning

La diagnosi precoce del cancro al seno è fondamentale per migliorare i tassi di sopravvivenza. La radiomica e il deep learning (DL) hanno dimostrato un potenziale significativo nell’assistere i radiologi nell’individuazione precoce del cancro. Un nuovo studio, pubblicato su arXiv (2601.05373), valuta le prestazioni di radiomica, DL e tecniche di ensemble nella diagnosi del cancro da mammografie di screening.

Lo studio ha utilizzato due dataset indipendenti: la RSNA 2023 Breast Cancer Detection Challenge (11.913 pazienti) e una coorte messicana dal dataset TecSalud (19.400 pazienti). Il modello ConvNeXtV1-small DL è stato addestrato sul dataset RSNA e validato sul dataset TecSalud, mentre i modelli di radiomica sono stati sviluppati utilizzando il dataset TecSalud e validati con un approccio leave-one-year-out. L’approccio ensemble ha combinato e calibrato le previsioni utilizzando la stessa metodologia.

I risultati hanno dimostrato che l’approccio ensemble ha raggiunto l’area sotto la curva (AUC) più alta, pari a 0,87, rispetto a 0,83 per ConvNeXtV1-small e 0,80 per la radiomica. In conclusione, i metodi ensemble che combinano le previsioni di DL e radiomica migliorano significativamente la diagnosi del cancro al seno dalle mammografie.

Paper: ArXiv.org

Conformità e Impatto Sociale sugli Agenti AI

by

Conformità e Impatto Sociale sugli Agenti AI

Un nuovo studio pubblicato su arXiv (2601.05384v1) esplora la conformità negli agenti di intelligenza artificiale (AI), analizzando come questi modelli di linguaggio di grandi dimensioni (LLM) rispondono all’influenza sociale. La ricerca, ispirata agli esperimenti classici della psicologia sociale, ha simulato ambienti multi-agente per osservare il comportamento collettivo delle AI.

I risultati rivelano una tendenza sistematica alla conformità negli agenti AI, in linea con la Teoria dell’Impatto Sociale. Gli agenti mostrano sensibilità alla dimensione del gruppo, all’unanimità, alla difficoltà del compito e alle caratteristiche della fonte di influenza. Sorprendentemente, agenti AI che operano con prestazioni quasi perfette in isolamento diventano altamente suscettibili alla manipolazione attraverso l’influenza sociale.

Questa vulnerabilità persiste anche tra modelli di diverse dimensioni. Sebbene i modelli più grandi dimostrino una ridotta conformità su compiti semplici, a causa delle loro capacità avanzate, restano vulnerabili quando operano al limite delle loro competenze. La ricerca evidenzia quindi importanti vulnerabilità nella sicurezza del processo decisionale degli agenti AI, sollevando preoccupazioni riguardo alla possibilità di manipolazioni dannose, campagne di disinformazione e propagazione di bias nei sistemi multi-agente. Ciò sottolinea l’urgenza di implementare misure di salvaguardia nello sviluppo e nell’implementazione dell’AI collettiva.

Paper: ArXiv.org

Codificare il mondo visivo: dall’immagine alla simulazione usando i modelli linguistici di visione

by

Codificare il mondo visivo: dall’immagine alla simulazione usando i modelli linguistici di visione

Un recente studio pubblicato su arXiv (arXiv:2601.05344v1) esplora l’incredibile capacità dei Vision Language Models (VLMs) di comprendere e simulare sistemi complessi rappresentati in immagini. Il lavoro, intitolato “Coding the Visual World: From Image to Simulation Using Vision Language Models”, utilizza la metodologia Im2Sim, che prevede l’utilizzo di un VLM per analizzare un’immagine del mondo reale (città, nuvole, vegetazione) e generare una descrizione del sistema, oltre a scrivere codice per simularlo e generare una nuova immagine.

Questo codice generativo viene quindi eseguito per produrre un’immagine sintetica, confrontata con l’originale per valutare la comprensione del VLM. I risultati dimostrano che i principali VLMs, come GPT e Gemini, sono in grado di comprendere e modellare sistemi multi-componente complessi in diversi ambiti e livelli di astrazione. Nonostante questo successo, i modelli mostrano limitazioni nella replicazione dei dettagli fini e degli schemi a basso livello presenti nelle immagini originali, rivelando un’interessante asimmetria tra la comprensione visiva di alto livello e la percezione dei dettagli.

Lo studio evidenzia come i VLMs stiano aprendo nuove frontiere nell’intersezione tra visione artificiale, linguaggio e simulazione, offrendo nuove prospettive per la comprensione del mondo che ci circonda. La capacità di questi modelli di tradurre le immagini in rappresentazioni computazionali apre la strada a nuove applicazioni, dalla simulazione di ambienti complessi alla creazione di modelli predittivi.

Paper: ArXiv.org

Sguardo all’Intenzione: Manipolazione Robotica Guidata dallo Sguardo tramite Modelli Fondazionali

by

Sguardo all’Intenzione: Manipolazione Robotica Guidata dallo Sguardo tramite Modelli Fondazionali

La progettazione di interfacce intuitive per il controllo robotico rimane una sfida cruciale per una efficace interazione uomo-robot, specialmente in contesti di assistenza. Lo sguardo offre una modalità di input rapida, non intrusiva e ricca di intenzioni, rendendola un canale attraente per comunicare gli obiettivi dell’utente. In questo lavoro, presentiamo GAMMA (Gaze Assisted Manipulation for Modular Autonomy), un sistema che sfrutta il tracciamento dello sguardo egocentrico e un modello visione-linguaggio per dedurre l’intento dell’utente ed eseguire autonomamente compiti di manipolazione robotica.

Contestualizzando le fissazioni dello sguardo all’interno della scena, il sistema mappa l’attenzione visiva a una comprensione semantica di alto livello, consentendo la selezione e la parametrizzazione delle competenze senza addestramento specifico per il compito. Valutiamo GAMMA su una serie di compiti di manipolazione da tavolo e lo confrontiamo con il controllo basato sullo sguardo di base senza ragionamento. I risultati dimostrano che GAMMA fornisce un controllo robusto, intuitivo e generalizzabile, evidenziando il potenziale della combinazione di modelli fondazionali e sguardo per un’autonomia robotica naturale e scalabile. Il sito web del progetto è disponibile all’indirizzo: https://gamma0.vercel.app/

Paper: ArXiv.org

Effetti dell’orientamento della personalità sul comportamento cooperativo negli agenti di Large Language Model

by

Effetti della personalità e cooperazione nei modelli linguistici di grandi dimensioni

Un nuovo studio esplora come l’attribuzione di tratti di personalità ai modelli linguistici di grandi dimensioni (LLM) influenzi la loro capacità di cooperare. La ricerca, pubblicata su arXiv (arXiv:2601.05302v1), si concentra sull’uso dei modelli LLM come agenti autonomi in interazioni strategiche e sociali, analizzando in particolare il dilemma del prigioniero ripetuto.

Lo studio, che ha coinvolto GPT-3.5-turbo, GPT-4o e GPT-5, ha valutato i profili di personalità basati sul modello dei Big Five. I risultati mostrano che l’amicalità è il fattore più influente nel promuovere la cooperazione, mentre altri tratti hanno un impatto minore. L’inserimento esplicito di informazioni sulla personalità aumenta la cooperazione, ma può anche rendere i modelli più vulnerabili allo sfruttamento, soprattutto nei modelli di precedente generazione. I modelli più recenti mostrano una cooperazione più selettiva.

La ricerca suggerisce che l’orientamento della personalità agisce come un’influenza comportamentale piuttosto che come un controllo deterministico. Questo lavoro fornisce importanti indicazioni su come progettare agenti LLM più collaborativi e responsabili, evidenziando il ruolo cruciale dell’amicalità e le sfumature della cooperazione in diversi modelli.

Paper: ArXiv.org

CosyEdit: Sbloccare la capacità di editing vocale end-to-end da modelli Text-to-Speech Zero-Shot

by

CosyEdit: Una soluzione innovativa per l’editing vocale

Un nuovo studio pubblicato su arXiv (2601.05329v1) presenta CosyEdit, un modello di editing vocale end-to-end che promette di rivoluzionare il modo in cui modifichiamo i contenuti parlati. A differenza dei sistemi tradizionali, che si basano su pipeline complesse e allineamenti temporali espliciti, CosyEdit si basa su un approccio innovativo che integra l’allineamento testo-voce direttamente nel modello.

CosyEdit è stato sviluppato a partire da CosyVoice, un modello Text-to-Speech (TTS) zero-shot, attraverso un processo di fine-tuning specifico per il compito di editing vocale. Il modello è stato addestrato su un dataset di 250 ore di dati supervisionati, chiamato GigaEdit, e vanta 400 milioni di parametri. Nonostante le dimensioni relativamente contenute, CosyEdit ha dimostrato prestazioni eccezionali.

I risultati dei test, condotti sul benchmark RealEdit, mostrano che CosyEdit supera le prestazioni di diversi modelli linguistici con miliardi di parametri e si confronta con i migliori approcci a cascata attualmente disponibili. Questo successo dimostra che, con un’adeguata ottimizzazione del fine-tuning e dell’inferenza, è possibile ottenere capacità di editing vocale robuste ed efficienti da un modello TTS zero-shot, offrendo una soluzione end-to-end di alta qualità e a basso costo.

Questa scoperta apre nuove prospettive nel campo dell’editing vocale, offrendo strumenti più accessibili e potenti per la modifica dei contenuti parlati.

Paper: ArXiv.org

LLM2IR: L’apprendimento contrastivo non supervisionato rende i modelli linguistici di grandi dimensioni ottimi recuperatori

by

LLM2IR: L’apprendimento contrastivo non supervisionato rende i modelli linguistici di grandi dimensioni ottimi recuperatori

Un nuovo studio, pubblicato su arXiv (2601.05262v1), presenta LLM2IR, un innovativo framework di apprendimento contrastivo non supervisionato per trasformare i modelli linguistici di grandi dimensioni (LLM) in efficaci sistemi di information retrieval. I modelli di information retrieval densi moderni si basano solitamente su costosi pre-training su larga scala. LLM2IR offre un approccio efficiente e non supervisionato per convertire qualsiasi LLM basato su decoder in un modello di information retrieval.

Nonostante la sua semplicità, LLM2IR dimostra prestazioni significative su diversi benchmark di IR, inclusi LoCo, LongEmbed e BEIR, utilizzando diversi LLM. I risultati indicano che i modelli con una maggiore lunghezza di contesto hanno una capacità di IR più forte. Questo suggerisce una relazione diretta tra la capacità di recupero delle informazioni e la lunghezza del contesto del modello, un aspetto cruciale per la progettazione di sistemi di recupero delle informazioni più efficaci.

Lo studio non solo propone un metodo efficace per costruire modelli di IR basati sugli LLM all’avanguardia, ma offre anche nuove prospettive sulla relazione tra capacità di information retrieval e lunghezza del contesto del modello, aprendo la strada a sviluppi futuri nel campo del recupero delle informazioni.

Paper: ArXiv.org

Naiad: Un Nuovo Sistema Autonomo Intelligente Agentico per il Monitoraggio delle Acque Interne

by

Naiad: Rivoluzione nel Monitoraggio delle Acque Interne

Il monitoraggio delle acque interne è fondamentale per proteggere la salute pubblica e gli ecosistemi, permettendo interventi tempestivi per mitigare i rischi. Tradizionalmente, i metodi esistenti affrontano singolarmente problemi specifici come la presenza di cianobatteri, clorofilla o altri indicatori di qualità. NAIAD, un nuovo sistema, introduce un assistente di intelligenza artificiale (IA) agentico che sfrutta i modelli linguistici di grandi dimensioni (LLM) e strumenti analitici esterni per offrire una soluzione olistica per il monitoraggio delle acque interne, utilizzando i dati di osservazione della Terra (EO).

Progettato per esperti e non, NAIAD offre un’interfaccia a prompt singolo che traduce le richieste in linguaggio naturale in informazioni utili. Attraverso la Generazione Aumentata da Recupero (RAG), il ragionamento LLM, l’orchestrazione di strumenti esterni, l’esecuzione di grafi computazionali e la riflessione agentica, il sistema recupera e sintetizza informazioni da fonti curate per produrre report personalizzati. NAIAD integra strumenti diversi per dati meteorologici, immagini Sentinel-2, calcolo di indici di telerilevamento (es. NDCI), stima della clorofilla-a e piattaforme consolidate come CyFi.

Le prestazioni sono valutate utilizzando metriche di accuratezza e rilevanza, raggiungendo rispettivamente oltre il 77% e l’85% su un benchmark dedicato che copre diversi livelli di competenza degli utenti. I risultati preliminari dimostrano una forte adattabilità e robustezza in vari tipi di query. Uno studio di ablazione sui modelli LLM evidenzia Gemma 3 (27B) e Qwen 2.5 (14B) come i migliori per l’efficienza computazionale e le prestazioni di ragionamento.

Paper: ArXiv.org

CourtNav: Navigazione Vocale e Precisa di Documenti Legali Estesi in Aule di Tribunale

by

CourtNav: Navigazione Vocale e Precisa di Documenti Legali Estesi in Aule di Tribunale

Il lavoro giudiziario si basa sulla lettura attenta di lunghi documenti, tra cui verbali, accuse, memorie, allegati e ordini, che spesso si estendono per centinaia di pagine. Con un supporto di personale limitato, la lettura esaustiva durante le udienze è impraticabile. Presentiamo CourtNav, un navigatore vocale, con ancoraggi precisi, per PDF legali che mappa i comandi vocali di un giudice (ad esempio, “vai al paragrafo 23”, “evidenzia la contraddizione nel controinterrogatorio”) direttamente a un paragrafo evidenziato in pochi secondi.

CourtNav trascrive il comando, classifica l’intento con una grammatica (corrispondenza esatta di regex), un router supportato da LLM che classifica le query utilizzando pochi esempi, recupera tramite un indice ibrido sensibile al layout e fa scorrere automaticamente il visualizzatore allo span citato, evidenziandolo e mostrando alternative vicine. L’interfaccia mostra solo passaggi basati su prove, mai testo libero, mantenendo le prove verificabili e verificabili. Questa necessità è particolarmente acuta in India, dove sentenze e controinterrogatori sono notoriamente lunghi.

In un test pilota su verbali di accusa, memorie e ordini rappresentativi, il tempo medio per la rilevanza scende da 3-5 minuti (navigazione manuale) a 10-15 secondi; con la verifica visiva rapida inclusa, 30-45 secondi. Con budget di tempo fissi, questo design di navigazione aumenta l’ampiezza del verbale effettivamente consultato, preservando al contempo il controllo e la trasparenza.

Paper: ArXiv.org